霍夫变换图像几何特征检测系统

资 源 简 介

本项目旨在利用MATLAB平台深度实现数字图像处理中核心的霍夫变换（Hough Transform）算法，专注于从复杂的数字图像背景中提取直线和圆等几何特征。系统主要包含三个处理阶段：预处理、变换与累积、特征提取与还原。首先，项目模块对输入图像进行灰度化转换、高斯滤波降噪以及增强处理，随后利用Canny边缘检测算子提取图像中的强边缘，生成二值化的边缘映射图。第二阶段是核心的变换过程，对于直线检测，系统将笛卡尔坐标系的边缘点映射到极坐标参数空间（Rho-Theta空间），构建二维累加器数组；对于圆检测，则构建涉及圆心坐标和半径的三维累加器空间。算法通过遍历边缘点对参数空间进行投票累积。第三阶段通过设定阈值在累加器阵列中搜索局部峰值，这些峰值代表了图像中显著存在的几何形状参数。最后，系统利用这些参数在原始图像上逆向绘制出检测到的直线或圆形，并提供霍夫空间的频谱可视化功能，帮助用户理解参数分布情况。该项目具有良好的抗噪性和应对边缘断裂的能力，广泛应用于车道线识别、条形码扫描矫正、虹膜识别及工业工件检测等领域。

详 情 说 明

数字图像处理霍夫变换特征检测系统

项目简介

本项目是一个基于MATLAB平台开发的数字图像处理系统，旨在深入实现并展示霍夫变换（Hough Transform）算法的核心原理。系统专注于从复杂的背景中提取几何特征（直线和圆）。与直接调用现成库函数不同，本项目在代码中通过底层逻辑手动实现了霍夫变换的投票累积过程、参数空间构建以及峰值检测算法。

程序内置了测试图像生成模块，能够模拟包含噪声（高斯噪声和椒盐噪声）的真实环境，展现了算法在边缘断裂和干扰下的鲁棒性。该系统集成了从图像预处理、边缘提取、参数空间变换到最终几何特征逆向还原的完整处理流水线。

功能特性

• 合成数据生成：自动生成包含多条直线（对角线、平行线、水平线）和圆形图案的合成图像，并叠加高斯与椒盐混合噪声以模拟真实场景。
• 图像预处理流水线：实现了灰度图像的高斯滤波平滑降噪，以及基于自动阈值的Canny边缘检测，生成高质量的二值边缘映射。
• 自定义霍夫直线变换：不依赖工具箱，手动实现了标准霍夫变换（SHT），将边缘点映射至 Rho-Theta 极坐标参数空间。
• 自定义霍夫圆变换：手动实现了基于固定半径范围搜索的霍夫圆检测算法，构建累加器空间并进行投票。
• 参数空间可视化：提供霍夫参数空间的频谱热力图（直线）和累加响应图（圆），直观展示算法的投票分布情况。
• 非极大值抑制（NMS）：在参数空间中实现了带有邻域抑制功能的峰值搜索算法，有效避免了对同一直线或圆的重复检测。
• 几何特征还原：利用提取的参数（$rho, theta$ 及圆心坐标、半径）在原始图像上通过数学方程逆向绘制检测结果。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（用于基础的 edge, imgaussfilt, imnoise 函数）

使用方法

1. 确保MATLAB环境已安装并配置正确。
2. 直接运行 main.m 脚本。
3. 程序将依次弹出窗口显示处理过程的各个阶段：

* 原始含噪图像 * Canny边缘检测结果 * 霍夫直线参数空间热力图 * 霍夫圆累加器可视化 * 最终标记了直线（红色）和圆（绿色）的检测结果

算法实现细节与逻辑分析

本项目核心逻辑完全在 main 函数及其子函数中实现，具体流程如下：

1. 图像生成与预处理

• 数据合成：程序首先初始化一个全黑的 $400 times 400$ 矩阵，通过循环和逻辑掩码在其中绘制线条和圆形。
• 噪声模拟：为了测试算法的抗噪性，依次添加了密度为0.02的椒盐噪声和方差为0.01的高斯噪声。
• 降噪与边缘提取：使用了 imgaussfilt ($sigma=1.5$) 进行平滑处理，随后调用 edge 函数利用 Canny 算子提取二值化边缘。

2. 霍夫直线检测 (Custom Implementation)

• 参数空间构建：代码定义了 perform_hough_lines 函数。该函数首先计算图像对角线长度以确定 $rho$ 的取值范围，并设定 $theta$ 分辨率。
• 投票机制：遍历二值图像中的每一个边缘点 $(x, y)$，针对每一个设定的角度 $theta$，利用公式 $rho = x costheta + y sintheta$ 计算对应的距离参数。
• 累加器更新：将计算出的连续 $rho$ 值量化为索引，在二维累加器矩阵中对应位置加1。
• 峰值搜索：通过 find_hough_peaks 函数在累加器中寻找局部最大值。该函数实现了迭代式的非极大值抑制：找到全局最大值后，将其记录并清零其周围邻域，防止同一特征产生多个峰值。

3. 霍夫圆检测 (Custom Implementation)

• 降维搜索策略：在 perform_hough_circles 函数中，为了兼顾性能与教学意义，算法在指定的半径范围 $[minR, maxR]$ 内进行迭代。
• 几何投票：对于每一个假设的半径 $r$，代码预先计算圆周的相对坐标偏移量。遍历每个边缘点，将其作为圆周上的点，反向计算可能的圆心位置，并在对应的累加器平面上进行投票。
• 结果优化：

* 对每一层半径的累加器进行高斯模糊以平滑噪声。 * 利用设定的灵敏度阈值提取圆心候选点。 * 实现后处理逻辑，通过计算圆心距离和半径差值，合并空间位置过近的重复圆检测结果。

4. 结果可视化与还原

• 直线绘制：解析霍夫空间提取的 $(rho, theta)$ 参数。代码中包含了详细的逻辑判断：当直线接近垂直（$sintheta approx 0$）时使用特殊方程绘制，否则使用常规截距式方程计算图像边界切点，从而在原图上画出红色的直线段。
• 圆绘制：根据提取的 $(x, y, r)$ 参数，利用参数方程生成圆周坐标点，并在原图上以绿色线条和十字标记绘制检测到的圆形。